L’espansione della capacità computazionale per l’intelligenza artificiale sta generando effetti collaterali nella catena di approvvigionamento dei semiconduttori. Secondo quanto riporta DIGITIMES, la domanda sostenuta di server AI sta comprimendo la disponibilità di MOSFET, componenti fondamentali per la regolazione della tensione su schede madri, GPU e acceleratori. Parallelamente, la flessione del mercato dei PC erode il potere contrattuale dei fornitori di componenti di potenza, costringendoli a destreggiarsi tra volumi in calo e una nicchia ad alto margine che però non basta a compensare.

I MOSFET (Metal-Oxide-Semiconductor Field-Effect Transistor) sono il mattone invisibile di ogni sistema di alimentazione: gestiscono la conversione DC-DC, stabilizzano le tensioni e determinano l’efficienza energetica complessiva di una macchina. In un server AI tipico, il numero di fasi di alimentazione e la densità dei MOSFET crescono linearmente con la potenza assorbita da CPU e GPU. Schede come le NVIDIA H100 o le future Blackwell richiedono centinaia di ampere su binari a bassa tensione, moltiplicando il fabbisogno di questi semiconduttori discreti. Quando la domanda di server AI accelera, l’intera filiera — dai wafer di silicio al packaging — fatica a tenere il passo, allungando i lead time e innescando potenziali rialzi di prezzo.

Qui si inserisce il secondo fenomeno: il mercato PC, che tradizionalmente assorbe volumi enormi di MOSFET per notebook e desktop, è in una fase di debolezza strutturale. Con meno ordini, i produttori di componenti perdono il potere di negoziazione sui contratti a lungo termine e vedono ridursi i margini. La tentazione di spostare capacità produttiva verso la domanda AI è forte, ma richiede investimenti e qualifiche che non tutti possono permettersi. Si crea così una forbice: i piccoli produttori rischiano di rimanere schiacciati, mentre i grandi contrattisti (come i fornitori tier-1 di MOSFET) possono dettare condizioni, influenzando i costi dell’hardware AI.

Per l’ecosistema degli LLM on-premise, questa dinamica ha implicazioni di secondo ordine. Chi pianifica cluster locali per inference o fine-tuning di modelli proprietari si trova a fronteggiare non solo la scarsità di GPU, ma anche quella dei componenti periferici necessari a farle funzionare in modo affidabile. Un ritardo nella consegna di un sistema completo può tradursi in mesi di attesa, durante i quali l’alternativa cloud diventa l’unica strada operativa, con le ben note conseguenze sulla sovranità dei dati e sulla prevedibilità del TCO. Inoltre, l’aumento del costo dei MOSFET si riverbera sul prezzo finale dei server, rendendo meno conveniente l’investimento iniziale in hardware proprio.

A livello strutturale, la tensione sui MOSFET segnala che la crescita dell’AI non è più un problema di sola cache HBM o di silicio avanzato: l’intera piattaforma hardware diventa un collo di bottiglia. Per i decisori, questo significa che la scelta “on-premise vs cloud” non si riduce a un confronto di costo per GPU/ora, ma deve incorporare la robustezza della supply chain e la capacità di procurement. Chi ha relazioni consolidate con gli OEM o può permettersi scorte tampone guadagnerà un vantaggio competitivo; gli altri vedranno sfumare la promessa del self-hosting.

Sul fronte tecnicico, una via d’uscita potrebbe venire dall’innovazione nei regolatori di tensione integrati (i cosiddetti “smart power stages”) che riducono il conteggio di MOSFET discreti, oppure da architetture di alimentazione a 48V che abbassano le correnti e alleviano la pressione su questi componenti. Ma simili transizioni richiedono anni e non risolveranno la carenza nell’immediato. Nel frattempo, la contrazione del mercato PC potrebbe paradossalmente offrire un po’ di respiro se i produttori riconvertiranno linee esistenti verso package più adatti ai server AI. Ma è un equilibrio precario, che dipende dalla rapidità con cui il segmento enterprise compenserà il vuoto lasciato dai consumer.

In definitiva, la notizia riportata da DIGITIMES non è solo un aggiornamento di filiera: è un campanello d’allarme per chi crede che l’on-premise sia una fortezza inattaccabile. La sovranità tecnicica passa anche attraverso la disponibilità di componenti apparentemente banali come un MOSFET, e la loro carenza può ridefinire i tempi e i costi dei progetti AI più ambiziosi.